为可信医疗决策提供统一的分布与无分布不确定性量化方法

本研究项目旨在解决机器学习预测在临床场景中量化不确定性问题，特别是在青光眼诊断及神经退行性疾病建模方面。通过结合分布型方法与无分布方法，构建稳健的方法体系，该项目旨在基于不确定性分析为临床医生提供可靠的决策工具。

关于该项目 临床医生应信任机器学习预测的程度如何？这种疑虑源自何处？本项目将把分布不确定性与无分布不确定性量化技术整合为统一理论，从而将其转化为用于高风险临床决策的可靠工具，例如青光眼诊断及神经退行性疾病建模。 预测的不确定性源自多种因素：训练数据有限、医院与患者群体之间的差异，以及各项结果的固有不可预测性。了解哪种因素占主导，有助于临床医生决定后续应对方案。 有两种研究传统涉及此课题： 诸如分层模型之类的分布方法能够捕捉到合理预测值的全部分布特征，并揭示不确定性的来源 无分布假设的方法，如共形预测，能够在不假设模型的情况下提供保证 这两种模式相互补充，但已分别独立发展。你将把它们整合为一项统一的研究工作。 您将： 掌握机器学习中的不确定性理论：包括其来源、表示方式，以及对其可以形式化保证的内容 开发将分层不确定性模型与共形保证相结合的方法 明确界定在培训期间就诊的医院以及全新成立的医院能够为患者提供的保障内容 设计决策规则，以明确何时依赖临床医生，并确保可证明的误差控制能力 将其应用于诸如基于视网膜图像的青光眼筛查以及基于脑磁共振成像（MRI）的多发性硬化症进展等问题 这主要是一项基础研究项目：您的大部分时间将用于理论研究与不确定性量化新方法的探索，而实际应用则确保研究具有实际意义。我们的合作方——南安普顿大学医院的临床医生将协助您验证并完善这些方法。 该项目由电子与计算机科学学院的视觉、学习与控制小组与数字健康与生物医学工程小组联合开展。您将能够使用大学的 Iridis 超级计算机，并融入活跃的机器学习与数字健康研究社区。 电子与计算机科学学院致力于促进平等与多样性，这从我们获得的 Athena SWAN 奖中可见一斑。我们欢迎所有申请者，无论其性别、种族、残疾状况、性取向或年龄如何，并将全面考虑那些寻求灵活工作模式以及已休过职业休假的申请者。该大学拥有慷慨的产假政策、现场儿童保育设施，并提供多种福利措施，以保障员工的生活质量与工作生活平衡。南安普顿大学致力于可持续发展，并荣获了铂金级生态奖。

入学要求 英国 2:1荣誉学位，或其国际等效学位，且所学专业为以下领域之一： 数学 统计学 计算机科学 物理学 一个密切相关的定量学科 必备技能： 大学级概率与统计：随机变量、条件概率与期望、估计、假设检验 在Python编程方面具有经验，且至少在一项重要作品中应用了该技能，例如毕业设计或理学硕士论文，需包含NumPy以及PyTorch或scikit-learn中的任意一种工具 为数学论证提供理论支撑，例如本科统计学或机器学习课程中的证明 南安普顿大学针对研究生研究的英语语言要求 理想的技能： 理学硕士学位或机器学习与统计学领域的研究经验 熟悉共形预测、贝叶斯推断或分层（混合效应）模型 处理医学或影像数据的经验 论文、预印本或文章

资助：竞争性资助 学费与资助 我们为英国本土学生和国际学生提供多种资助机会。符合条件的学生可通过“地平线欧洲”学费减免，自动免除国际学生学费与英国本土学生学费之间的差额。 大学通过竞争性遴选授予的校长助学金，为遴选排名靠前的申请人支付国际学生学费与英国本土学生学费之间的差额。 本校各学院通过竞争性遴选提供的博士奖助金，通常为遴选排名靠前的申请人支付按英国本土学生标准收取的学费，并提供生活津贴。 资助采用滚动授予方式，因此请尽早申请，以尽可能增加进入资助评选的机会。 如需更多信息，请访问我们的研究型研究生资助页面。

如何申请 您需： 选择课程类型（研究型）、2027/28学年、工程与物理科学学院 选择全日制或非全日制 寻找项目：哲学博士 计算机科学（7089） 在申请表第2部分填写导师姓名 申请材料应包括： 研究提案 您的CV（个人简历） 2份学术推荐信 截至目前的学位课程成绩单和证书 英语语言资格证明（如适用）